2026年、AIの世界は「答えるAI」から「行動するAI（AIエージェント）」へと完全にシフトしました。Anthropicの「Claude Code」はローカル環境で直接コードを書き、実行し、デバッグまで自律的に行える強力なツールです。今回は私が実際にClaude CodeとPythonを組み合わせて自分専用のAIエージェントを構築した体験を、初心者でも再現できるレベルで丁寧に解説します。コード付きで完全解説するので、ぜひ手を動かしながら読んでみてください。
なぜ今「AIエージェント」なのか？従来のAIとの違いを理解する
まず「AIエージェント」という言葉の意味を整理しましょう。従来の生成AIはユーザーが指示した内容に対してテキストを返すだけでした。ChatGPTに「このコードを直して」と送ると直したコードが返ってくる——しかしそれを実行するのはあくまで人間です。
一方、AIエージェントは「目標（Goal）」を与えると、それを達成するために必要なステップを自分で考え、ツール（ブラウザ操作、ファイル読み書き、APIコール、コード実行など）を使いこなして自律的に完遂します。人間が介在する必要がなく、「やっておいて」と頼めば本当にやっておいてくれる存在です。
私が最初にAIエージェントの威力を実感したのは、「毎日の技術ニュースをまとめてMarkdownファイルに保存する」というタスクを自動化したときです。それまで30分かかっていた作業が、エージェントの起動から完了まで90秒で終わりました。この体験が、本格的なAIエージェント開発へのきっかけになりました。
開発環境の準備｜2026年最新スタックの構築手順
Claude Code x Pythonでエージェントを構築するための環境を整えます。以下が今回使用する構成です。
- Python 3.12+（型ヒントとパフォーマンスの改善が充実）
- Claude Code CLI（Anthropic公式のローカル実行ツール）
- anthropic Python SDK（APIアクセス用）
- MCP（Model Context Protocol）（外部ツール連携のための標準プロトコル）
インストール手順
# Python仮想環境の作成
python3 -m venv ai_agent_env
source ai_agent_env/bin/activate
# 必要パッケージのインストール
pip install anthropic
pip install anthropic[mcp]
# Claude Code CLIのインストール（Node.js必須）
npm install -g @anthropic-ai/claude-codeインストール後、APIキーを環境変数に設定します。
export ANTHROPIC_API_KEY="your-api-key-here"AnthropicのAPIキーは公式コンソールで取得できます。無料トライアルでも一定量のリクエストが利用可能なので、まずは試してみることをおすすめします。
実践コード｜50行で動くAIエージェントの最小構成
まずは動くものを作ることを優先します。以下は「特定のテーマについてリサーチしてMarkdownにまとめる」タスクを自律実行するエージェントの最小構成です。
import os
from anthropic import Anthropic
client = Anthropic(api_key=os.environ.get("ANTHROPIC_API_KEY"))
def simple_agent(goal: str, max_turns: int = 5) -> str:
messages = [{"role": "user", "content": goal}]
for turn in range(max_turns):
response = client.messages.create(
model="claude-opus-4-5",
max_tokens=2048,
system="""あなたは自律型開発エージェントです。
与えられた目標を達成するために、必要なPythonコードを生成・実行し、
結果をファイルに保存する能力を持っています。""",
messages=messages
)
assistant_message = response.content[0].text
messages.append({"role": "assistant", "content": assistant_message})
print(f"[Turn {turn+1}] エージェント応答:")
print(assistant_message[:200])
if "完了" in assistant_message:
return assistant_message
messages.append({"role": "user",
"content": "続けてください。まだ完了していない場合は次のステップを実行してください。"})
return "最大ターン数に達しました"
if __name__ == "__main__":
goal = "今日の最新AIニュースのトピックを5つ考えて、tech_news.mdというファイルに日本語でまとめてください。"
result = simple_agent(goal)
print(result)
このコードを実行すると、エージェントが目標を受け取り、自分でアクションを考えながら複数ターンにわたって対話的に処理を進めます。
初心者向けのつまずきポイント： ANTHROPIC_API_KEY が設定されていないと AuthenticationError が出ます。必ず環境変数に設定してから実行してください。
MCPを使ったツール連携｜エージェントに「手足」を与える
上記のシンプル版は会話ベースでの自律化ですが、より実用的なエージェントには「ファイル操作」「Web検索」「コード実行」といった具体的なツールが必要です。これを実現するのがMCP（Model Context Protocol）です。
MCPはAnthropicが策定したオープンな標準プロトコルで、AIとツールを標準化された方法で接続します。2026年現在、ファイルシステム操作、ブラウザ操作、データベースアクセスなど、多数のMCPサーバーがオープンソースで公開されています。
import asyncio
from anthropic import Anthropic
from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client
async def agent_with_tools(goal: str):
server_params = StdioServerParameters(
command="npx",
args=["-y", "@modelcontextprotocol/server-filesystem", "/tmp/agent_workspace"]
)
async with stdio_client(server_params) as (read, write):
async with ClientSession(read, write) as session:
await session.initialize()
tools = await session.list_tools()
client = Anthropic()
anthropic_tools = [
{"name": t.name, "description": t.description, "input_schema": t.inputSchema}
for t in tools.tools
]
response = client.messages.create(
model="claude-opus-4-5",
max_tokens=4096,
tools=anthropic_tools,
messages=[{"role": "user", "content": goal}]
)
return response
asyncio.run(agent_with_tools("workspace内にhello.txtを作成し今日の日付と挨拶を書き込んでください"))
このパターンを応用すれば、AIエージェントがファイルを読み書きしたり、Webを検索したり、データベースに書き込んだりする本格的な自動化が実現できます。
私が実際に構築したユースケース
- 技術ブログの下書き自動生成： RSSフィードから最新記事を取得し、要点をまとめたMarkdownドラフトを自動作成
- コードレビュー補助： GitHubのPRをチェックして、改善点をコメント形式でまとめる
- 家計簿の自動集計： 銀行明細のCSVを読み込み、カテゴリ別に集計してレポートを生成
いずれも以前は30分〜1時間かかっていた作業が、エージェント起動から2〜5分で完了するようになりました。
個人開発でAIエージェントを活用するコツと今後の展望
AIエージェントを個人で運用してきた経験から、効果的に活用するためのコツをまとめます。
- 目標を具体的に書く： 「ニュースをまとめて」より「今日のAI関連ニュースを5件選び、タイトル・要約・URL付きでMarkdownに書いて」のほうが精度が高い。
- CLAUDE.mdを活用する： プロジェクトのルートに
CLAUDE.mdを置き、プロジェクトの説明・コーディング規約・禁止事項を記述しておくと、エージェントが文脈を理解したうえで行動します。 - max_turnsを設定する： 無限ループを防ぐために最大試行回数を必ず設定しましょう。
- 結果を必ずログに残す： エージェントが何をしたかを記録しておくことで、問題が起きたときにデバッグできます。
今後はマルチエージェントシステム（複数のAIが役割分担して協調する仕組み）が主流になっていくと予測されています。たとえば「リサーチ担当エージェント」「文章生成担当エージェント」「品質チェック担当エージェント」が連携して高品質なコンテンツを生成するといった構成です。
個人レベルでこうした技術に今から触れておくことは、エンジニアとしてのキャリアにおいても大きなアドバンテージになります。まずは今回紹介した最小構成から試してみてください。「動いた」という体験が、次のアイデアの出発点になるはずです。
#AI #Python #個人開発 #AIエージェント #ClaudeCode #Anthropic #MCP #自動化 #プログラミング #エンジニア
